[發明專利]一種業務數據自動匹配的方法及設備

在審

• 申請號: 202010456807.1
• 申請日: 2020-05-26
• 公開（公告）號: CN111652299A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 張星;張少懷;姜里奇
• 申請（專利權）人: 泰康保險集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F40/247;G06F40/284
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 馮艷蓮

本發明提供一種業務數據自動匹配的方法及設備，該方法包括：利用自然語言處理NLP技術對業務數據中各預設字段的詞語進行分詞處理，確定各預設字段的詞語的不同子詞及詞向量特征；根據詞語的不同子詞，以及基準詞及該基準詞的同義詞庫，將同一預設字段的詞語與基準詞及同義詞庫中的同義詞進行匹配；若未匹配到完全一致的基準詞或同義詞，根據詞語的不同子詞及詞向量特征，基于余弦相似度算法，將同一預設字段的詞語與基準詞或同義詞進行匹配，根據所有預設字段對應的詞語的匹配結果，確定業務數據的匹配結果。本發明提供的業務數據自動匹配的方法及設備，解決了現有業務數據標準化方法存在的業務數據自動匹配概率低和標準化質量低的問題。

技術領域

本發明涉及業務數據標準化領域，特別涉及一種業務數據自動匹配的方法及設備。

背景技術

在進行業務數據分析時，為了提升數據質量，通常先將業務數據標準化，利用標準化后的數據進行數據分析。目前業務數據標準化的過程中只有各類別待分析的業務數據與基準數據均匹配時才能對碼成功，但是在實際應用中業務數據千差萬別，各類別業務數據在不同統籌區、不同業務系統中各不相同，因此業務數據標準化的工作量很大。

在業務系統根據用戶提交的業務單據錄入業務數據后，根據經驗人工識別各類別數據與系統中具體哪個類別的哪個數據匹配，工作量非常巨大，運營成本高，且出錯率高。而采用現有的匹配算法進行業務數據的匹配時，由于真實數據的差異很大，因此對不同名稱，但是含義相同的業務數據實現智能化自動匹配的概率極低，并不能滿足對效率的需求。因此，現有的業務數據標準化方法存在業務數據自動匹配概率低和業務數據標準化質量低的問題。

發明內容

本發明提供了一種業務數據自動匹配的方法及設備，用以解決現有的業務數據標準化方法存在的業務數據自動匹配概率低和業務數據標準化質量低的問題。

根據本發明實施例的第一方面，提供一種業務數據自動匹配的方法，該方法包括：

獲取待匹配的業務數據，所述業務數據包括至少一個預設字段對應的詞語；

利用自然語言處理NLP技術對各預設字段的詞語進行分詞處理，確定所述各預設字段的詞語的不同子詞及對應的詞向量特征；

根據所述各預設字段的詞語的不同子詞，以及各預設字段的基準詞及該基準詞的同義詞庫，將同一預設字段對應的詞語與基準詞及同義詞庫中的同義詞進行匹配；

若未匹配到完全一致的基準詞或同義詞，根據所述各預設字段的詞語的不同子詞及對應的詞向量特征，基于余弦相似度算法，將同一預設字段對應的詞語與基準詞或同義詞庫中的同義詞進行匹配，若匹配成功，將所述詞語作為新的同義詞添加到所述同義詞所屬的同義詞庫；

根據所有預設字段對應的詞語的匹配結果，確定所述業務數據的匹配結果。

可選地，將同一預設字段對應的詞語與基準詞及同義詞庫中的同義詞進行匹配，包括：

將同一預設字段對應的詞語的各子詞，分別與基準詞及同義詞庫中的同義詞中相應的子詞進行比對，確定是否相同；

確定各子詞在所述詞語和對應的基準詞或同義詞中的位置相同，且各子詞比對結果為相同時，確定匹配成功。

可選地，所述基于余弦相似度算法，將同一預設字段對應的詞語與基準詞或同義詞庫中的同義詞進行匹配，包括：

分別將同一預設字段對應的詞語的各子詞，與基準詞或任一同義詞中相應的子詞進行比對，確定是否相同；

若子詞的比對結果為不相同，根據所述子詞對應的詞向量特征，利用余弦相似度算法計算對應的余弦相似度，根據所述子詞對應的余弦相似度是否大于預設閾值，確定所述子詞是否同義；

根據各子詞是否相同或同義的比對結果，確定是否匹配成功。